Python3.9正则移除字符串emoji部分场景失效及Unicode查询求助

你现有正则的匹配区间未覆盖🤣对应的Unicode编码。🤣的Unicode编码为U+1F923，属于补充象形符号区间，不在你当前列出的匹配范围内，因此无法被识别替换。

清理原有正则的冗余区间，补充新增emoji所属的\U0001F900-\U0001F9FF区间即可，修正后代码如下：

from re import UNICODE, compile
emoji_pattern = compile("["
                        u"\U0001F600-\U0001F64F"  # 表情符号
                        u"\U0001F300-\U0001F5FF"  # 符号与象形图
                        u"\U0001F680-\U0001F6FF"  # 交通与地图符号
                        u"\U0001F1E0-\U0001F1FF"  # 国旗
                        u"\U00002702-\U000027B0"  # 杂项符号
                        u"\U0001F900-\U0001F9FF"  # 补充象形符号（包含🤣等新emoji）
                        u"\U000024C2-\U0001F251"
                        u"\u200d"
                        u"\u2640-\u2642"
                        "]+", flags=UNICODE)

# 测试之前失效的案例
data = 'www.google.co.uk/?🤣'
result = emoji_pattern.subn(r'', data)
# result --> ('www.google.co.uk/?', 1) 替换成功

直接使用Python内置函数即可完成查询：

• 查询字符对应的Unicode编码：调用ord()函数获取编码的十进制值，再转成十六进制格式即可

target_char = '🤣'
print(hex(ord(target_char)))
# 输出：0x1f923，对应正则中需要写的Unicode格式为 \U0001F923

• 查询编码对应的字符：调用chr()函数传入十六进制编码值即可反向验证

print(chr(0x1F923))
# 输出：🤣

如果不需要严格自行维护正则规则，也可以直接使用第三方emoji库的emoji.replace_emoji()方法一键移除所有emoji，适配性更高。

内容的提问来源于stack exchange，提问作者Binit Amin